Disler Aider MCP Server

🚀 MCP サーバー：Aider の人工知能モデルインターフェース

このプロジェクトは、Aider の人工知能モデル向けに設計された完全な MCP（Modular Component Protocol）サーバーの実装です。このサーバーは 2 つの主要な機能を提供します。

1. AI コーディングツール：指定された AI モデルを使用してファイルをスマートに変更し、変更結果を返します。
2. モデルリストツール：サポートされているすべての AI モデルを一覧表示します。

🚀 クイックスタート

この MCP サーバーは、Aider の AI モデルとのインターフェースを提供し、AI コーディングやモデル一覧表示などの機能を提供します。以下の手順でサーバーをセットアップして使用できます。

✨ 主な機能

• MCP 互換性：MCP プロトコルに完全に準拠しており、クライアントとコンソールとの良好なやり取りを保証します。
• 拡張可能なプラグインアーキテクチャ：原子層設計により、新機能の追加や既存機能の変更が簡単に行えます。
• 高い信頼性：すべてのコンポーネントは厳密なテストを経ており、サーバーの安定性と可用性を保証します。

📦 インストール

プロジェクト構造

.
├── ai_docs                   # AI 関連ドキュメントディレクトリ
│   ├── just-prompt-example-mcp-server.xml
│   └── programmable-aider-documentation.md
├── pyproject.toml            # プロジェクトメタデータと依存関係管理
├── README.md                 # プロジェクト説明ファイル
├── specs                     # 規範的なドキュメント
│   └── init-aider-mcp-exp.md
├── src                       # ソースコードディレクトリ
│   └── aider_mcp_server      # 主要なサーバーコードパッケージ
│       ├── __init__.py       # パッケージ初期化ファイル
│       ├── __main__.py       # サーバー起動エントリポイント
│       ├── atoms             # コア、再利用可能なコンポーネント（純粋関数）
│       │   ├── __init__.py
│       │   ├── data_types.py # Pydantic モデルでデータ構造を定義
│       │   ├── logging.py    # カスタムログ設定
│       │   ├── tools         # 各ツールの具体的な実装
│       │   │   ├── __init__.py
│       │   │   ├── aider_ai_code.py # AI コーディングツールのロジック
│       │   │   └── aider_list_models.py # モデルリストツールのロジック
│       │   └── utils.py      # ユーティリティ関数と定数（デフォルトモデルなど）
│       ├── server.py         # MCP サーバーのロジック、ツールの登録、リクエストの処理など
│       └── tests             # 単体テストと統合テスト
│           ├── __init__.py
│           └── atoms         # 原子層コンポーネントのテスト
│               ├── __init__.py
│               ├── test_logging.py # ログ機能のテスト
│               └── tools     # ツールロジックのテスト
│                   ├── __init__.py
│                   ├── test_aider_ai_code.py # AI コーディングツールのテスト
│                   └── test_aider_list_models.py # モデルリストツールのテスト

インストール手順

1. リポジトリをクローンする：

   git clone [your-repository-url]
   cd aider-mcp-server
   

2. 依存関係をインストールする：

   pip install -r requirements.txt
   

3. サーバーを起動する：

   python -m aider_mcp_server.__main__ --editor-model <model-name>
   

📚 ドキュメント

コアコンポーネント

1. server.py

• 初期化：設定ファイルを読み込み、ログ記録を設定します。
• ツールの登録：atoms/tools からすべての利用可能なツールを読み込みます。
• リクエストの処理：クライアントのリクエストを解析し、対応するツールのロジックにルーティングし、MCP プロトコルに従って結果を返します。

2. __main__.py

• コマンドラインインターフェース（CLI）を提供し、--editor-model などの起動パラメータを解析し、サーバーコンポーネントを初期化します。

ツールの実装

AI コーディングツール

機能

• ファイルパスと変更指示を受け取ります。
• 指定された AI モデルを使用して変更内容を生成します。
• 変更結果と元のファイルの差分情報を返します。

リクエスト例

{
  "name": "aider_ai_code",
  "parameters": {
    "file_path": "src/file.py",
    "change_description": "Add logging statements",
    "model_name": "openai/gpt-4"
  }
}

返却結果

{
  "success": true,
  "diff": "--- a/src/file.py\n+++ b/src/file.py\n@@ -1,5 +1,6 @@\n import sys\n+import logging\n \n def main():
     print(\"Hello World!\")
+    logging.info(\"Started the program.\")
 }

モデルリストツール

機能

• サポートされている AI モデルを部分文字列でフィルタリングします。
• 一致するモデルのリストを返します。

リクエスト例

{
  "name": "aider_list_models",
  "parameters": {
    "query": "gpt"
  }
}

返却結果

[
  "openai/gpt-3.5-turbo",
  "anthropic/claude-2",
  "google/palm-1"
]

ログシステム

レベルの分類

• DEBUG：詳細なデバッグ情報。
• INFO：通常の操作ログ。
• WARNING：潜在的な問題の警告。
• ERROR：重大なエラーの記録。
• CRITICAL：システムのクラッシュなどの重要なイベント。

出力形式

[asctime] - [levelname] - [filename] - [message]

テストフレームワーク

単体テスト

各ツールとコンポーネントの動作が期待どおりであることを確認します。

統合テスト

サーバーの全体機能の正しさを検証し、異なるツール間の相互作用と協調を含みます。

拡張について

新しいツールの開発

1. atoms/tools ディレクトリに新しいツールクラスを作成します。
2. Tool インターフェースを実装し、server.py で登録します。

新しいモデルのサポート

1. 新しい AI モデルのアダプターを追加します。
2. aider_list_models ツールのモデルリストを更新します。

プロジェクトの特徴

• モジュール化：各コンポーネントは独立して開発されており、保守と拡張が容易です。
• プラガブル：新機能を動的にロードでき、メインプログラムを変更する必要がありません。
• 高可用性：厳密なテストにより、サーバーの安定した動作が保証されます。

使用シーン

開発者

• 開発環境に AI 機能を迅速に統合できます。
• 異なる AI モデルを柔軟に選択して実験や比較ができます。

企業向けアプリケーション

• CI/CD パイプラインに統合して、自動的にコードレビューと最適化を実行できます。
• 内部ツールチェーンに統合して、開発効率を向上させます。